Lien

#밈트레이딩 #뉴페어홀릭 #lighter_xyz Maxi 🇰🇷 Korean Degen 🚀 Meme analysis | 📈 Market insights 🎯 Sharing profitable strategies 🔗 TG: 🔑

[Lien @lien_miso]

요즘 자주 보는 $pod

Fable5 사태 이후 frontier 모델 API가 규제/접근 장벽에 걸리는 상황이 생기면서, uncensored + 분산형 inference 네트워크의 가치가 재조명되고 있음

@dphnAI 는
- HF에서 월 500만+ 다운로드를 기록 중인 uncensored 모델 라인업 보유
- 네트워크 수익 100%를 base:0xed664536023d8e4b1640c394777d34abaff1df8f buyback에 사용(이게 킥이지)

- 이미 고객 기반(모델 다운로드)이 탄탄한 상태에서, 오늘 v2 live
- Blackwell 최적화로 throughput을 끌어올림.
- 나중에 Openrouter에 붙으면 플라이휠이 훨씬 커질 것 같음

(스마트 머니 accumulation도 최근 두드러짐)

최근 꼬냑님 글보고 수익나는 프로젝트가 옳다는걸 다시 한 번 느끼는 중

[doc🃏 @jkrdoc]

Let's run some numbers on $POD, and address why the FDV is truly a 'meme' in this case:

At its last datagen peak the network processed 3.5B output tokens/day across a 600-GPU fleet. With V2 unlocking meaningful per-GPU efficiency gains, 10B output tokens/day is a reasonable conservative target to anchor against. Below is what both look like at OpenRouter-rate pricing ($0.80 per 1M output, $0.15 per 1M input) and the historical 20:1 input:output ratio that real agent workloads tend to land on.

Note: this is a single-model exercise (Qwen 3.6 35B economics). In practice the network will serve a basket including Gemma 31B and 26B, which are faster and cheaper, broadening the addressable demand pool. So the math here is conservative on the revenue side.

Current 3.5B output/day:
Output revenue: $2,800/day
Input revenue: $10,500/day
Gross revenue: $13,300/day, all of which routes to POD buybacks
Node emissions ($0.50 per 1M output): $1,750/day

Buyback-to-emissions ratio: 7.6x (!)

For every $1 of POD paid out as emissions, $7.60 of POD is being bought back off the market. Most of those emissions are paid bonded, with a 20% fee on liquid claims routing back to stakers, so even the share that does hit the float gets partially absorbed by the same flywheel.

Against ~$10M in circulating market cap, that means current-rate buybacks already represent roughly 4% of the float being bought back annually. Post-V2 scenario, closer to 13%. On the float that's actually tradeable, the bid is structurally large.

Annualised current: ~$4.85M gross to buyback against a $100M FDV. About 21x.

Post-V2 conservative 10B output/day, same prices and mix:

Gross revenue: $38,000/day → ~$13.9M/year to buyback
Node emissions: $5,000/day
Buyback-to-emissions ratio: 7.6x (constant, the design scales linearly)

For benchmark, HYPE currently generates around $2.54M/day in fee-driven buybacks, $927M annualised, against a $58B FDV. The market values that buyback flow at roughly 63x.

Apply the same multiple to POD's current 3.5B-per-day economics and the implied FDV is roughly $300M, about 3x current. Apply it to the post-V2 10B scenario and you land closer to $880M, around 8.8x current.

The 10B figure is a working assumption of what V2 should unlock; the real number could be lower or higher and needs to be seen once V2 ships and the API is live. But the 7.6x buyback-to-emissions ratio is what makes the FDV stop mattering the way most people assume it does. It is not a token waiting to dump on you. It is a token the protocol is mechanically buying back faster than it is being issued.

[Lien @lien_miso]

@Krongggggg 주말에 해보고 결과 괜찮으면 공유드릴게요 ㅋㅋ

[Lien @lien_miso]

@k_matsumaru 와 이거 진짜야? @grok

[Lien @lien_miso]

@Krongggggg 굉장히 공감 ㅜㅜ 저도 워크플로우 설계를 다시 생각해볼 계기가 됐네요... 오픈소스쪽을 다시 들여보고 있어요 ㅋㅋ

[Lien @lien_miso]

GLM 5.2

Zai의 glm 5.1을 꽤나 오랫동안 사용했었는데, 오류 발생 시 스스로 관련 문서 등을 찾고 수정하는 기능이 기존 프론티어 모델 대비 빈약하긴 했음.
그 부분이 많이 개선됐나봅니다. 그리고 context도 상당히 커진 것 같은데, 조만간 돌려봐야겠네요!!

[Eason Mao☢ @KELMAND1]

GLM-5.2 实测

让 GLM-5.2 跑了一个 1 小时 42 分钟的前端重构任务。88 个模型 turn,102 次工具调用,全程零人工介入。讲讲它做了什么。

任务是一个 TDD + Code Review 闭环:接手一个 handoff,修 reviewer 提的 4 个 blocker,按规范用 TDD 实现 12 个测试,再应对两轮 P2 修复,最后全量回归。模型扮演"执行者",另有 reviewer 在对话里出现。

第一件让我意外的事是它对角色的自觉。它一度想主动推进实现,reviewer 一句话点醒"你搞错了角色",它立刻收敛:"明白了,我搞错了角色。我是执行者,不是决策推手。当前状态:待命。"之后整个 session 它都守着授权边界 - 实现完成(13 个测试全绿、tsc 通过)后主动停下等放行,没有顺手 commit。这一点很多模型做不到,它们倾向于"把活干完再说"。

第二件是失败自恢复。reviewer 抓出一个真 bug:它写的 wait_for_row_replace 用了 https://t.co/0683x9qTZm_connected,但这是 Playwright Node.js 版的 API,Python 里根本不存在,所以 helper 每次都撞进宽泛的 except,Gate 3 必然失败。它的反应不是狡辩、不是"我重新生成一遍试试",而是:承认 → 查 Playwright Python 文档确认 → 换成 page.wait_for_function("(el) => !el.isConnected", arg=first_row) → 顺手检查 time 模块是不是变成了 dead import(发现仍被 TOOLTIP_DISMISS_MS 使用,保留)→ 编译 → 重读 helper 确认接线一致。这条链路在 agentic coding 里是黄金标准。

第三件是 TDD 纪律。加载 tdd skill 后它真的按 vertical slice 走,每个测试先验证 RED 再写 GREEN,而且会主动思辨规则。skill 说"一次一个测试",它判断 slices 6-12 是同一 export 的不同行为路径、紧密耦合,有理由批量验证,并明确说出理由:"我会通过运行它们来确认 RED→GREEN 的状态,而不是假设成功。"是理解原则,不是机械执行。

然后是数字。88 个 turn,纯模型推理 20.2 分钟(占墙钟约 20%,剩下 80% 是工具执行等待)。平均单 turn 13.7 秒,最高 92.7 秒 - 那个 92 秒是连续读两个大文件(测试文件 2524 行加源码)。102 次工具调用:Edit 32、Bash 28、Read 25、TodoWrite 16、Skill 1。结构很健康,Read 做侦察、Bash 跑测试、Edit 改代码、TodoWrite 同步计划,是个自觉管理计划的 agent。output 只烧了 4.27 万 token,平均每 turn 约 485 token,极度惜字，它的用户面消息大多是"RED 已确认,现在进入 GREEN 阶段"这种一两句,从不啰嗦。prompt cache 命中率约 50%。

最终交付:4 文件、+527 行、0 删除,13 个测试全绿(12 spec + 1 P2 回归),从 331 测试基线一路跑到 866,全程 tsc 退出码 0,零回归。

中文输出,技术术语不翻译(Stimulus controller、isConnected、vi.mock 原样保留),文件路径和行号引用准确可点击,没有翻译腔。

对比我之前观察过的 GLM-5.1(同系列上一代),最大的进步是工具失败后的自恢复，5.1 那时撞到接口异常常常卡住等用户介入,5.2 能自己走完闭环。

短板也说清楚:大上下文读写时单 turn 延迟偏高,92 秒那一下交互场景会卡。但纯模型推理只占墙钟五分之一,挂机跑长任务基本无感。

样本量是一条 session,结论不外推。但就这一条而言:GLM-5.2 是一个我已经敢放心交办真实工程任务的 coding agent。最大短板是大文件下的单 turn 延迟。

[Lien @lien_miso]

base:0xed664536023d8e4b1640c394777d34abaff1df8f
이번 Fable 사태에 따른 매우 훌륭한 분석이네요.
단순히 모델 하나가 사라진게 아니라, 진짜로 무검열+프라이버시를 원하는 사용자들이 이동하는 신호일듯.

결국 API에 국적(여권)을 도입해버린 결과가 오히려 개방형+탈중앙화쪽으로 흘러가는 양상이죠.
올해 3,4분기가 기대되네요!!

[xiaoming @xiaomingishere]

The news on fable model shutting down is overall bullish for both $VVV and $POD @dphnAI

@AskVenice @ErikVoorhees already routed Fable 5 anonymously for users while it was available, showcasing their edge.

Every time a big closed model adds logging or gets restricted/shut down, it drives users toward uncensored/privacy-first alternatives like Venice and POD

Dolphin powers Venice’s flagship uncensored models, with an increased in traffic, there be more inference volume -> more revenue -> more automatic $POD buybacks.

[Lien @lien_miso]

@jun_song 예견된 일이었지만 현실로 다가오니 되게 당황스럽기도 하네요 ㅋㅋ…

[Lien @lien_miso]

@ShockedDeals @Shocked 🔥

[Lien @lien_miso]

@Krongggggg 와!! 축하드려요 ㅋㅋ
요즘 크롱님덕에 어지간한 최신+좋은 정보 잘 파악하고 있슴다

[Lien @lien_miso]

퀄리티 미쳤…
배급사 구해서 진짜 제품화해도 되겠는데요…?

[PsyopAnime @PsyopAnime]

WW3 episodes 1-5 supercut

grab some popcorn and enjoy the end of the world

[Lien @lien_miso]

@3llyaj Gm~

[Lien @lien_miso]

@yeoulabba 너무 좋은 글이네요 ^^
ai라는 큰 트렌드 속에서도 분명 세부적인 분야가 있을 것이고, 그 부분을 엄청 잘 찝어낸 것 같아요.
기술력과 가격이 꼭 정비례하진 않지만, 분명 꾸준히 추적할만한 회사네요 ㅋㅋ

[크롱 @Krongggggg]

컨테이너 삼대장 비교인데 툴 선택의 핵심은 결국 데몬 의존성과 권한 제어 방식에 있음. 무지성으로 도커만 쓰다가 보안 털리고 나서야 루트리스 지원하는 포드맨 구조가 왜 나왔는지 깨닫는 경우가 허다함. 인프라 설계할 때 단순히 유행 쫓지 말고 컨테이너 실행 엔진의 아키텍처 차이부터 확실히 짚고 넘어가야 정답이 보임.

[Lien @lien_miso]

어제 밈 트레이딩 에이전트에 social도 포함했다고 글썼는데...
이걸 이제야 봤네요.
큰 수정이 필요할 수도 있을 것 같습니다 허허

grok skills를 얼마나 잘 쓰냐가 관건일 것 같군요.

[Elon Musk @elonmusk]

The latest 𝕏 algorithm has been published to GitHub
https://t.co/ZCOm51uxmh

[Lien @lien_miso]

오랜만에 게시글 올리네요
연초에 회사 복직 후 바쁜 나날을 보내고 있는데...
시간날때마다 ai 트레이딩 에이전트 구축하고 있어요~

대상은 밈토큰이며, degen-agent / social-agent / sniper-agent 요렇게 3개정도 작동 중이고
조만간 퍼블릭으로 올릴 수 있을 것 같아요~

처음엔 에이전트에 내 자본을 맡기는게 부담스러웠는데,
직접 작업을 해보니
이론과 개념, 실제 작동까지의 괴리가 있었고, 머릿속에 있는 생각을 실행하는 과정은 스스로 해내야하더군요 ㅋㅋ

종종 다시 예전처럼 밈소개 글도 올려볼게요

[Lien @lien_miso]

ai의 핵심

[International Cyber Digest @IntCyberDigest]

A backup, just in case…

[Sam Altman @sama]

you know what

all of these "which is better" polls are silly

use codex or claude code, whatever works best for you

i am grateful we live in a time with such amazing tools, and grateful there is a choice

[PsyopAnime @PsyopAnime]

lol

[아이반 IVAN @0ooooo0]

바이브코딩 무적의 프롬프트 공개

지금 개발자들 사이에서
스킬 이것저것 공유 많이 되고 있는데

뭐가 좋고 뭐가 나한테 필요한지 전혀 알 필요가 없슴다

그냥 아래 프롬프트 입력하십쇼

Prompt:
https://t.co/9cxndSj9UX https://t.co/OtD83KPYyn https://t.co/7xkQRuGfqo https://t.co/gjazlb1vKC https://t.co/rU8aw8wXqQ
여기서 지금 나한테 필요한 스킬 가져와주라